<think>我们根据用户需求，使用Python完成智能系统维护实验，包括以下步骤： 1. 文件路径操作：定位chat-bot文件夹 2. 应用选择：从给定应用中选一个合适的对话机器人应用（根据描述，只有应用A满足需求） 3. 环境配置：根据表格完成配置 4. 运行调试：确保应用成功运行 5. 文档记录：截图保存证据 假设条件： - 实验环境为Windows系统（因为路径示例为D:\实训资料\chat-bot） - 给定的应用A（ChatGLM-6B）是我们要使用的，且它是Python程序 - 需要根据表格配置（表格内容未给出，但我们可以假设配置项，例如模型路径、端口等） 步骤详解： 1. 文件路径操作 - 目标：定位到D:\实训资料\chat-bot - 方法：使用Python的os模块 2. 应用选择 - 根据描述，只有应用A（ChatGLM-6B）支持对话配置和本地运行，因此选择应用A。 3. 环境配置 - 假设有一个配置表格，我们需要读取表格并生成配置文件，或者直接设置环境变量。 - 但用户没有提供具体表格，我们假设配置项包括： - 模型路径：chatglm_model_path - 端口：port - 知识库路径：knowledge_base_path - 我们可以创建一个配置文件（如config.ini）或者使用环境变量。 4. 运行调试 - 运行应用A的主程序（假设为chatglm_app.py） 5. 文档记录 - 使用Python截图工具（如Pillow）或调用系统截图，但通常实验要求手动截图。这里我们仅模拟保存运行日志的截图。 由于实验要求截图，而Python程序在运行过程中可能无法同时截图，因此我们考虑： - 运行程序并捕获终端输出，然后保存为图片（模拟截图） - 或者，我们运行程序后，提示用户手动截图。 根据实验要求，我们需要保存截图证据，因此我们可以在程序运行后生成一个日志文件，然后将日志内容转换成图片。 具体实现： 步骤1：定位文件夹 步骤2：选择应用A（ChatGLM-6B） 步骤3：读取配置表格（假设为csv文件，如config.csv），解析并生成配置文件 步骤4：运行应用A，并捕获输出 步骤5：将输出保存为文本文件，并转换为图片（使用Pillow将文本绘制成图片） 但是，注意引用[2]中提到了运行一个web_demo.py，并指定了模型路径和端口，我们可以参考这个。 假设应用A的结构如下： chat-bot/ |-- 应用A/ |-- chatglm_app.py # 主程序 |-- requirements.txt # 依赖 |-- 应用B/ |-- 应用C/ |-- config.csv # 配置文件表格 由于用户没有提供config.csv的具体内容，我们假设config.csv内容为： key,value model_path,./model/chatglm-6b port,7860 knowledge_base,./knowledge 我们按照以下步骤编写Python脚本： 1. 切换到chat-bot文件夹 2. 进入应用A目录 3. 读取config.csv，生成一个config.ini或直接作为环境变量使用 4. 安装依赖（如果需要） 5. 运行chatglm_app.py，并重定向输出到日志文件 6. 将日志文件转换为图片 注意：由于实验环境可能已经部署，我们跳过安装依赖的步骤（假设已安装）。 代码结构： 由于我们是在实验环境中，我们可以写一个总控脚本，放在chat-bot文件夹下，比如叫做experiment6.py。 考虑到实验要求截图，我们可以使用Pillow库将日志文本转为图片。如果没有安装Pillow，则需要安装。 步骤： 1. 导入必要的库 2. 设置路径 3. 读取配置表格 4. 生成配置文件（如果需要） 5. 运行应用A，捕获输出 6. 将输出保存为图片 但是，运行应用A可能是一个长时间运行的过程，我们可能只需要运行几秒钟然后截取启动成功的画面。 因此，我们可以： - 启动子进程运行chatglm_app.py，并同时读取输出，当看到成功启动的消息时，截取屏幕（但截屏需要跨平台，且可能需要图形界面，这在无头服务器上不行） - 替代方案：我们只运行几秒钟，然后获取输出，将输出保存为图片。 根据引用[1]，运行成功会看到类似“GradioPlaygroundBot#4217 has connected to Discord!”的提示，我们假设应用A启动成功会输出“应用启动成功”之类的信息。 我们计划： - 使用subprocess运行命令，并设置超时（比如10秒），捕获输出 - 将输出用Pillow绘制成图片 具体代码： 由于我们不知道chatglm_app.py的具体内容，我们假设它可以通过命令行运行，并且会输出日志。 我们编写experiment6.py如下： </think> 以下是用 Python 实现智能系统维护实验的完整解决方案，包含文件路径操作、应用选择、环境配置、运行调试和文档记录五个核心环节： ### 1. 文件路径操作 - 定位 chat-bot 文件夹 ```python import os import shutil def locate_chatbot_folder(base_path="D:\\实训资料"): """定位 chat-bot 文件夹并验证其结构""" chatbot_path = os.path.join(base_path, "chat-bot") # 验证文件夹是否存在 if not os.path.exists(chatbot_path): raise FileNotFoundError(f"chat-bot 文件夹不存在于 {base_path}") # 验证子应用结构 required_apps = {"应用A", "应用B", "应用C"} existing_apps = set(os.listdir(chatbot_path)) if not required_apps.issubset(existing_apps): missing = required_apps - existing_apps raise ValueError(f"缺少必要应用: {', '.join(missing)}") print(f"✅ 成功定位 chat-bot 文件夹: {chatbot_path}") return chatbot_path ``` ### 2. 应用选择能力 - 选择合适的对话机器人 ```python def select_chatbot_app(chatbot_path): """根据需求选择正确的对话机器人应用""" app_descriptions = { "应用A": "ChatGLM-6B 本地对话工具（支持知识库配置和即时运行）", "应用B": "机器人运动控制程序（无对话功能）", "应用C": "日志分析工具（无对话配置能力）" } # 识别符合条件的应用 valid_apps = [] for app in app_descriptions: app_path = os.path.join(chatbot_path, app) # 检查应用是否包含对话配置文件 if os.path.exists(os.path.join(app_path, "dialogue_config.py")): valid_apps.append(app) # 验证选择 if not valid_apps: raise RuntimeError("没有找到支持对话配置的应用") selected_app = valid_apps[0] # 选择第一个有效应用 print(f"🔧 选择应用: {selected_app} - {app_descriptions[selected_app]}") return os.path.join(chatbot_path, selected_app) ``` ### 3. 环境配置技能 - 根据表格完成配置 ```python import configparser import pandas as pd def configure_environment(app_path): """根据配置表格设置环境参数""" # 读取配置表格（假设为CSV格式） config_table = pd.read_csv(os.path.join(app_path, "config_table.csv")) # 创建配置文件 config = configparser.ConfigParser() config["DIALOGUE_SETTINGS"] = {} # 应用表格配置 for _, row in config_table.iterrows(): param = row["参数"] value = row["值"] config["DIALOGUE_SETTINGS"][param] = str(value) print(f"⚙️ 配置参数: {param} = {value}") # 保存配置文件 config_path = os.path.join(app_path, "config.ini") with open(config_path, "w") as configfile: config.write(configfile) print(f"📝 配置文件已保存至: {config_path}") return config_path ``` ### 4. 运行调试能力 - 确保应用成功运行 ```python import subprocess import time import sys def run_chatbot_app(app_path): """运行对话机器人应用并验证状态""" # 识别应用类型（Python脚本或可执行文件） if os.path.exists(os.path.join(app_path, "main.py")): command = [sys.executable, "main.py"] # 使用当前Python解释器 elif os.path.exists(os.path.join(app_path, "app.exe")): command = ["app.exe"] else: raise FileNotFoundError("未找到可执行的主程序文件") # 启动应用 os.chdir(app_path) process = subprocess.Popen( command, stdout=subprocess.PIPE, stderr=subprocess.PIPE, text=True ) # 监控启动状态 timeout = 30 # 最大等待时间(秒) start_time = time.time() success = False while time.time() - start_time < timeout: line = process.stdout.readline() if not line: time.sleep(0.5) continue print(f"[APP LOG] {line.strip()}") # 检测成功启动标志 if "成功启动" in line or "listening on" in line.lower(): success = True break if not success: process.terminate() raise RuntimeError("应用启动失败，超时未收到成功信号") print("🚀 应用成功运行！等待用户交互...") return process ``` ### 5. 文档记录技能 - 截图保存证据 ```python from PIL import ImageGrab import datetime def capture_evidence(app_path, process): """捕获运行截图并保存证据""" # 等待应用初始化 time.sleep(2) # 捕获屏幕截图 timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") screenshot_path = os.path.join(app_path, f"evidence_{timestamp}.png") screenshot = ImageGrab.grab() screenshot.save(screenshot_path) print(f"📸 截图已保存: {screenshot_path}") # 保存日志文件 log_path = os.path.join(app_path, f"run_log_{timestamp}.txt") with open(log_path, "w") as log_file: log_file.write("=== 应用运行日志 ===\n") while True: line = process.stdout.readline() if not line: break log_file.write(line) print(f"📄 运行日志已保存: {log_path}") return screenshot_path, log_path ``` ### 主程序集成 ```python def main(): try: # 1. 文件路径操作 base_path = "D:\\实训资料" chatbot_path = locate_chatbot_folder(base_path) # 2. 应用选择 app_path = select_chatbot_app(chatbot_path) # 3. 环境配置 configure_environment(app_path) # 4. 运行调试 app_process = run_chatbot_app(app_path) # 5. 文档记录 screenshot, log = capture_evidence(app_path, app_process) print("\n✅ 实验6完成！证据文件:") print(f"- 截图: {screenshot}") print(f"- 日志: {log}") except Exception as e: print(f"❌ 实验失败: {str(e)}") # 此处可添加错误日志记录 sys.exit(1) if __name__ == "__main__": main() ``` ### 关键功能说明 1. **路径验证**：自动检测文件夹结构和必要文件 2. **智能应用选择**：基于配置文件存在性自动选择有效应用 3. **表格驱动配置**：从CSV表格读取配置并生成标准INI文件 4. **跨平台运行**：支持Python脚本和Windows可执行文件 5. **自动日志捕获**：实时捕获并保存应用输出日志 6. **时间戳证据**：所有证据文件包含精确时间戳 ### 实验执行流程 ```mermaid graph TD A[开始] --> B[定位chat-bot文件夹] B --> C[选择对话机器人应用] C --> D[读取配置表格] D --> E[生成配置文件] E --> F[启动应用程序] F --> G[捕获运行截图] G --> H[保存运行日志] H --> I[生成实验报告] I --> J[结束] ``` ### 注意事项 1. 确保已安装依赖库：`pip install pandas pillow` 2. 配置表格应包含以下列：`参数, 值, 描述` 3. 应用需包含标识启动成功的日志关键词（如"成功启动"） 4. 截图功能在Windows上可直接使用，Linux/Mac需额外配置 此解决方案满足实验所有要求，实现了从路径定位到证据保存的全自动化流程，确保实验可重现且结果可验证[^1][^2][^3][^4]。